孙 勇

基于自适应神经网络的电力系统经济调度

孙 勇

(南京电子技术研究所，南京 210039)

为了适应新能源接入大电网的发展趋势，降低输电损耗，提出了考虑输电损耗的电力系统经济调度问题。提出根据功率平衡约束误差在线调整连续神经元更新步长的自适应方法，建立了基于增广的Lagrange-Hopfield神经网络的自适应神经网络算法，并且构建了该算法的仿真计算流程。从理论上证明了该算法的收敛性，论证了该算法具有快速的收敛速度。通过选取不同的更新步长参数求解实例，证明该算法可以在线调整步长，从而提高收敛速度，大幅减少迭代次数。

经济调度 神经网络 输电损耗 迭代次数

0 引言

新能源的应用在一定程度上缓解了目前全世界范围内面临的能源压力，但是也带来一些新的问题，其中经济调度问题是电力系统中比较有难度的数学优化问题，即在满足多种电力系统运行约束的条件下，使得总发电成本最小化[1]。特别是新能源接入条件下，对电力系统的快速调度有了更迫切的要求，由于电力系统经济调度问题是一个复杂的非线性优化问题，传统的Lagrangian乘子法、内点法和梯度下降法等基本的优化算法难以适应非线性约束条件下具有大规模变量的非线性优化问题。

因此，许多学者提出应用智能优化算法求解电力系统的经济调度问题。例如，朱继忠等人利用改进的内点法求解多能源综合经济调度问题[2]。郑晓菁、吴亮红等人分别采用人工蜂群优化算法和自适应差分进化算法解决复杂电力系统的经济调度问题[3,4]。……